数据包络分析--保证域方法（assurance region method）附python代码以及案例

最新推荐文章于 2023-12-23 22:52:00 发布

sylvia-xy

最新推荐文章于 2023-12-23 22:52:00 发布

阅读量1.1k

点赞数 4

文章标签： python 数据分析线性规划

本文链接：https://blog.csdn.net/weixin_43217288/article/details/111149578

版权

本文介绍了Data Envelopment Analysis（DEA）中的保证域方法（Assurance Region method），针对模型中系数失效问题，通过限制系数范围优化了CCR模型。提供了AR-有效模型的Python代码示例，展示了如何使用Gurobi求解并应用保证域策略。案例分析展示了优化后的结果对比和系数变化。

摘要由CSDN通过智能技术生成

Data envelopment analysis–Assurance region method

保证域方法

Data envelopment analysis--Assurance region method
- model
- AR-有效
python代码

这个保证域方法比较简单，接下来简单概述一下：

对一个DEA模型求解，例如CCR的线性模型，我们既有可能得到的最优系数值为0，这就意味着我们并没有充分利用原数据信息，所以其实这个DMU哪怕其theta值为1，也是无效的。

针对这个情况，我们进行改进。给每个DMU的系数限定范围。这里把每个系数都与第一项作比较：
在这里插入图片描述

model

那么接下来，就给出CCR形式下的保证域方法：
在这里插入图片描述
其中：

其对偶形式为：
在这里插入图片描述

AR-有效

与CCR形式类似，这个保证域方法有效的前提是theta=1且松弛变量全为0。

python代码

数据：
在这里插入图片描述
若直接用这组数据进行CCR模型求解得到的结果是：

可以从上图结果中发现，众多系数为0。意味着许多原始数据并没有得到充分利用。继而用保证域方法进行改良。

此时，保证域方法使得系数有限制：
在这里插入图片描述

附上主体部分，剩余的可看前面，都差不多的：

    def __CCR_dual(self):
        for k in self.DMUs:
            MODEL = gurobipy.Model()
            u, v = MODEL.addVars(self.m2), MODEL.addVars(self.m1)
            MODEL.update()
            MODEL.setObjective(gurobipy.quicksum(u[j]*self.Y[k][j] for j in range(self.m2)), sense=gurobipy.GRB.MAXIMIZE)
            MODEL.addConstr(gurobipy.quicksum(v[j]*self.X[k][j] for j in range(self.m1)) == 1)
            MODEL.addConstrs(gurobipy.quicksum(v[j]*self.X[i][j] for j in range(self.m1))
                             >= gurobipy.quicksum(u[j]*self.Y[i][j] for j in range(self.m2)) for i in self.DMUs)
            MODEL.addConstr(v[1] <= 5 * v[0])
            MODEL.addConstr(v[1] >= 0.2 * v[0])
            MODEL.addConstr(u[1] <= 5 * u[0])
            MODEL.addConstr(u[1] >= 0.2 * u[0])
            MODEL.setParam('OutputFlag', 0)
            MODEL.setParam("NonConvex", 2)
            MODEL.optimize()
            self.Result.at[k, ('效益分析', '综合技术效益(CCR)')] = MODEL.objVal
            for m in range(self.m1):
                self.Result.at[k, ('系数v', f'{self.m1_name[m]}')] = v[m].X
            for m in range(self.m2):
                self.Result.at[k, ('系数u', f'{self.m2_name[m]}')] = u[m].X